Vai al contenuto

Python Academy

La Python Academy è l’unico percorso professionale che guida attraverso tutti gli aspetti legati al Coding e all’Analisi Quantitativa. Un modo per accorciare i tempi di apprendimento in ambito Trading ed Investing senza dover frequentare decine di corsi spesso slegati tra di loro in termini di metodi e strumenti proposti. Senza rendersene conto si scoprirà di riuscire a parlare un nuovo linguaggio (Python) in grado di renderci davvero indipendenti, che si sia un analista finanziario, un trader, un investitore, un accademico o semplicemente un appassionato. Abbiamo curato nel dettaglio ogni singolo aspetto didattico e una community di coders, traders ed investitori con i quali si rimarrà in contatto senza limiti di tempo. In sintesi, il modo più veloce per apprendere un mestiere da potersi rivendere anche nel mondo del lavoro.

Cosa NON TROVERAI nella Python Academy: non troverai trading system o metodologie miracolose con cui arricchirti rapidamente sui mercati. Nonostante durante il percorso verranno affrontate numerose tematiche legate al mondo del Trading e dell’Investing (dall’analisi statistica dei dati alle modalità di backtesting, passando per l’Equity Control, fino all’allestimento di Portafogli Rotazionali) questo NON è l’ennesimo corso di Trading.

Questi temi saranno solo la base per la costruzione di decine di codici PYTHON di complessità crescente, la cui piena comprensione è il reale obiettivo del corso. Padroneggiare questo tipo di complessità consentirà al Trader e all’Investitore di dominare le stesse tematiche con una consapevolezza maggiore ed un’autonomia di mezzi senza pari che, questo si, potrà fare la differenza in un ambiente fortemente competitivo.

Questo NON è l’ennesimo corso di PYTHON: non si tratta del solito corso di  programmazione generalista come se ne possono trovare tanti all’interno delle piattaforme di formazione anche online. Gli argomenti non vengono soltanto accennati cercando di fare un percorso esaustivo, ma superficiale, di tutti gli aspetti legati al codice. Il taglio fortemente pratico orientato al mondo del Trading e dell’Investing, con una ricaduta concreta su applicazioni da costruire ed utilizzare da subito, rende questa una esperienza a tutto tondo irripetibile.

Obiettivo della Python Academy: utilizzare un acceleratore che scandisca, in un unico prodotto, tutti i temi legati all’Analisi Quantitativa, attraverso un viaggio nella statistica e nel coding. Apprendere un vero linguaggio di programmazione nelle sue principali declinazioni, permette di essere autonomi nei propri studi e nella realizzazione di applicazioni su misura, dedicate al trading e all’investing. Saper gestire grandi serie storiche, indagare relazioni intermarket, saper codificare una strategia ed eseguire un backtest professionale, comprendere a colpo d’occhio la sua robustezza o quella di un portafoglio a rischio controllato, sono solo alcuni dei punti che ogni partecipante si porterà a casa (oltre ovviamente a centinaia di codici pronti all’uso e alla manualistica integrale di riferimento). E tutto questo svincolandosi da prodotti commerciali, sia in termini economici che di opportunità.

A chi si rivolge la Python Academy
– Trader: chi operi già sui mercati da tempo o chi lo faccia da poco, sia in intraday che in multiday, ma sia animato da una gran voglia di essere finalmente indipendente.
– Investitori: l’orizzonte temporale non conta, il percorso è adatto sia ad una gestione mensile che annuale delle posizioni.
– Studenti: facoltà di economia o ingegneria, ma anche matemitica, fisica o statistica (in generale di qualsiasi facoltà scientifica o economica).
– Professionisti della finanza: gestori retail o institutional, consulenti finanziari, ma anche operatori di sala operativa e professionisti di modelli finanziari.
– Imprenditori: chi abbia il compito (delegato o autoassunto) di getire il proprio patrimonio di famiglia.
– Semplici appassionati: chi ami il trading e/o l’investing (a prescindere da titoli di studio pregressi).
– Informatici: programmatori che vogliano aggiungere Python tra gli strumenti di lavoro da offrire ai propri clienti, approfondendo un ambito di applicazione fortemente stimolante come quello finanziario.

In generale tutti coloro che vogliano portare la propria comprensione degli strumenti informatici ad un livello superiore, senza dover impazzire con linguaggi di più basso livello. Con Python chiunque può realizzare qualsiasi funzionalità senza troppa fatica: il tempo di messa a terra è impressionante.

Prerequisiti: nessuna conoscenza pregressa è necessaria per partecipare, anche se un’infarinatura di concetti legati al mondo della programmazione, del trading e dell’investing possono essere utili per velocizzare l’apprendimento. Nessun tool, nessun costo aggiuntivo: gli strumenti di lavoro sono tutti open source (ad eccezione di alcune fonti dati a pagamento dopo il termine del percorso).

Modalità di fruizione: apprendere un linguaggio di programmazione richiede un tempo di assimilazione differente dallo studio di altre tematiche (fruibili anche in un’unica soluzione dal vivo) e soltanto un approcciograduale mette il partecipante nelle condizioni di conservare a lungo termine i concetti appresi. A questo scopo è stato pensato e confezionato questo percorso didattico composto da 7 moduli registrati (il cui accesso è condizionato alla soluzione di schede esercizi intermedie), completati da una sessione finale condivisa con il docente che, di fatto, conclude il percorso. La struttura del corso è stata studiata per completare la didattica in 16 settimane, ma ogni studente verrà gestito in modo completamente personalizzato, secondo i propri tempi e i propri modi: l’accesso ad ogni modulo successivo è vincolato al completamento della Scheda Esercizi del modulo precedente e questo permette di dilatare i tempi secondo le proprie necessità (lavorative e personali). Lo stesso vale per l’esame finale: al termine del percorso verrà assegnato un compito conclusivo che potrà essere consegnato nelle settimane successive. Una volta superato l’esame finale si riceverà un attestato conclusivo di partecipazione e superamento dello stesso.

Oltre 180 lezioni per più di 120 ore di filmati.
Più di 150 codici Python pronti all’uso per qualsiasi analisi.
7 Moduli Didattici con prove intermedie.
Prova Finale e Attestato di Partecipazione.
Linea diretta con i docenti.
Condivisione continua con la community anche dopo il termine del percorso.

Vuoi un assaggio per scoprire argomenti e struttura del corso? Ti regaliamo la prima lezione di orientamento:

Struttura del corso

MODULO DIDATTICO 1

GLI STRUMENTI DI LAVORO E LE BASI DEL LINGUAGGIO (2 SETTIMANE)

La compilazione della Prima Scheda Esercizi consente l’accesso al Secondo Modulo Didattico

MODULO DIDATTICO 2

UTILIZZO DELLE PRINCIPALI LIBRERIE E PRIME APPLICAZIONI (2 SETTIMANE)

La compilazione della Seconda Scheda Esercizi consente l’accesso al Terzo Modulo Didattico

MODULO DIDATTICO 3

ANALISI STATISTICA DEI DATI STORICI (3 SETTIMANE)

La compilazione della Terza Scheda Esercizi consente l’accesso al Quarto Modulo Didattico

MODULO DIDATTICO 4

BACKTEST DI STRATEGIE E ANALISI DELL’EQUITY LINE (4 SETTIMANE)

La compilazione della Quarta Scheda Esercizi consente l’accesso al Quinto Modulo Didattico

MODULO DIDATTICO 5

ASPETTI AVANZATI: EQUITY CONTROL (2 SETTIMANE)

La compilazione della Quinta Scheda Esercizi consente l’accesso al Sesto Modulo Didattico

MODULO DIDATTICO 6

ASPETTI AVANZATI GESTIONE DI PORTAFOGLI E TECNICHE ROTAZIONALI (2 SETTIMANE)

La compilazione della Sesta Scheda Esercizi consente l’accesso al Settimo Modulo Didattico

MODULO DIDATTICO 7

COLLEGAMENTI API: ARCHITETTURA DI TRADING DIRETTO VIA BROKER (1 SETTIMANA)

Al termine del percorso viene presentata una Prova Finale, un test conclusivo che può consistere nella realizzazione di una analisi profonda sui dati, un trading system opportunamente validato su uno dei tre motori disponibili, un nuovo sistema di equity o performance control o di asset allocation.

Il materiale, l’interattività con il docente e lo scambio di codici con la community dei progettisti, è garantita all’interno dell’ambiente dedicato SlackTutto il materiale rimarrà a disposizione dei corsisti anche dopo la conclusione del percorso didattico.

Al superamento della Prova Finale (che potrà essere sostenuta in un qualsiasi momento dell’anno, secondo i propri tempi) verrà consegnato il Diploma Finale valido come attestato di partecipazione. 

ECCO UN ELENCO DI ALCUNE DELLE APPLICAZIONI PRATICHE CHE RIUSCIRAI A SVILUPPARE: 

Caricamento dei dati da fonti esterne
– Connessione via Web e scarico dati tecnici e fondamentali da più fonti
– Export e lettura dei dati da fonti free e a pagamento come Tradestation e Multicharts
– Caricamento tradelog e visualizzazione statistiche annualizzate, mensili ed orarie
– Export Optimization Report a 2 parametri da Tradestation e Multicharts e visualizzazione Surface 3D

Analisi dei dati
– Hourly, Daily e Monthly Dependency
– Volume Activity
– Gap Analysis
– Aggiunta di rumore ad una singola serie storica
– Generazione repliche rumorose della serie originale e composizione all’interno di un unico dataset

Backtest di Strategie 
– Generazione di indicatori statistici di analisi quantitativa associati alla serie storica dei prezzi
– Ottimizzazioni Mirate Multiparametro e Multiperiodo con output grafico
– Codifica e utilizzo di un motore di backtest ad oggetti
– Codifica e utilizzo di un motore di backtest Pandas
– Codifica e utilizzo di un motore di backtest accelerato via Numba
– Scrittura e output grafico di semplici trading system
– Scrittura e output grafico di trading system complessi
– Sistemi di Validazione Modulari
– Sistemi di Validazione Evoluti GSA (Gandalf Segmented Architecture)

Analisi dei trade 
– Export e lettura delle operazioni da Motore di Backtest e da tool esterni come Tradestation e Multicharts
– Calcolo metriche di sistema (Draw Down, Avg Trade, Profit Factor, Sharpe Ratio ecc.)
– Montecarlo Analysis classica
– Montecarlo Analysis non convenzionali con aggiunta di rumore
– Calcolo e applicazione di sistemi di Equity Control alla curva originaria
– Analisi comparata di Equity Control

Analisi di Portafoglio 
– Aggregazione equity di trading system su medesimo time frame e uguale time zone
– Aggregazione equity di trading system su diversi time frame e uguale time zone
– Aggregazione equity di trading system su diversi time frame e diverse time zone
– Calcolo metriche di base
– Calcolo metriche annualizzate e mensilizzate
– Applicazione di sistemi di Equity & Performance Control alle singole curve
– Applicazione di sistemi di Equity& Performance Control alla curva di portafoglio
– Applicazione di sistemi di Equity& Performance Control alle singole curve e alla curva di portafoglio
– Gestione di Portafogli Rotazionali 

E alla fine del percorso potrai accedere al nuovo Python PlayGround dove mettere in pratica in modo concreto i concetti appresi!

 TE LA SENTI DI ACCETTARE LA SFIDA?

Prossima Edizione: da oggi è possibile partite in ogni momento dell’anno e normalmente entro 48 ore dall’iscrizione si è già operativi. Ogni corsista verrà seguito in modo dedicato durante il percorso di 16 settimane. I moduli didattici sono stati organizzati per essere fruiti anche singolarmente (come corsi singoli):

A. Linguaggio e Librerie: il corso per chi non sappia nulla di programmazione e voglia imparare Python da zero (l’insieme del Modulo 1 e del Modulo 2, consulta il programma dettagliato in fondo a questa pagina).

B. Analisi dei Dati: il corso per chi conosca Python e voglia mettere a terra tanta potenza per cercare inefficienze all’interno della serie dei prezzi (Modulo 3, consulta il programma dettagliato in fondo a questa pagina).

C. Sistemi e Validazione: il corso per chi conosca Python e voglia costruire Trading System intraday e multiday direttamente in Python, realizzando da zero ben tre motori di backtest, creando le architetture di validazione e di ottimizzazione (Modulo 4, consulta il programma dettagliato in fondo a questa pagina).

D. Equity & Performance Control: il corso per chi conosca Python e desideri realizzare e testare decine di sistemi di Equity e Performance Control, per inibire sistemi in avaria e riattivarli quando le condizioni lo permettano. Il tutto applicato a singoli trading system o ad interi portafogli (Modulo 5, consulta il programma dettagliato in fondo a questa pagina).

E. Portafogli Rotazionali: il corso per chi conosca Python e voglia aggregare Portafogli di strumenti finanziari o di trading system senza l’utilizzo di tool commerciali come Market System Analyzer, Portfolio Maestro o Amibroker  (Modulo 6, consulta il programma dettagliato in fondo a questa pagina).

F. Trading Automatico: il corso che consente di connettersi con le API di un broker, di leggere i dati in tempo reale e di eseguire le operazioni di un sistema di trading scritto in Python  (Modulo 7, consulta il programma dettagliato in fondo a questa pagina).


PERCORSO DISPONIBILE DA SUBITO!

Modalità di fruizione: ultimata l’iscrizione è possibile iniziare a fruire dei contenuti immediatamente. Il corso è costituito da moduli video-registrati e da un’interattività continua con il docente (attraverso sessioni dirette, live session periodiche e condivisione con il docente e i corsisti di ieri e di oggi, 24 ore su 24, nei canali tematici all’interno dello spazio Discord).

Investimento: 1990 € + IVA

Promozione in corso (fino al 24 dicembre 2022): 1656 € + IVA
(comprende -300 € di sconto sul prezzo pieno di 1990 € + IVA, inoltre -34 € per l’acquisto del libro “Strategie di Trading con Python”).

Promozione Corsisti Modulo Specialistico Data Science del Master SIAT: 1590 € + IVA (-400 €)

Bundle Python Academy + Machine Learning Academy: 2980 € + IVA
(anziché 3980 € + IVA equivalente ad uno sconto di -1000 €, 1490 € + IVA a prodotto).

Ogni investimento, anche in ambito formativo, richiede di ponderare con attenzione le proprie decisioni. A tale proposito è possibile richiedere un colloquio non impegnativo con il docente, via telefono o via Zoom, per capire se il percorso possa essere adatto o meno alle proprie esigenze. E’ sufficiente scrivere una email ad info@gandalfproject.com


Il Relatore: Giovanni Trombetta

Head of R&D in Gandalf Project, CIO in Rocket Capital Investment, Presidente del Comitato Scientifico di SIAT e membro del Board of Directors in IFTA.

Ingegnere elettronico, sviluppatore di trading system, trader quantitativo e apprezzato formatore. Ha una pluriennale esperienza di programmazione con diversi linguaggi tra i quali C, C++, Java, Ruby, Swift e Python e continua ad approfondire i nuovi linguaggi orientati al machine learning come Julia. È fra i migliori conoscitori delle piattaforme Tradestation, Multicharts, Visual Trader ed Amibroker, su cui implementa strategie di portafoglio a rischio controllato.
Le sue principali competenze sono orientate all’applicazione dell’intelligenza artificiale al mondo della finanza quantitativa, allo sviluppo di trading system, all’asset allocation evoluto e allo sviluppo di nuovi modelli finanziari. In particolare è specializzato nella programmazione genetica e nelle differenti varianti di algoritmi genetici e di algoritmi di machine learning (Linear and Logistic Regression, K-Nearest Neighbors, Decision Trees and Random Forest, Support Vector Machine, Multi Layer Perceptron Neural Networks, Recurrent Neural Networks, Long Short Term Memory Networks, Convolutional Neural Networks, Multi Stacked Neural Networks, Adversarial Networks) e di Reinforcement Learning.
Come progettista quantitativo fa ricerca su temi legati alla persistenza dei differenti modelli previsionali. Ha sviluppato la GSA (Gandalf Segmented Architecture), un metodo innovativo per testare la forza di una strategia di trading genetica (sull’argomento ha tenuto un intervento in occasione dell’IFTA Conference 2017 “Sailing to the Future”). 
Nel 2006 ha contribuito alla redazione del libro “Visual Trader II: Implementare Strategie Vincenti” edito da Trading Library. Nel 2009 ha collaborato con la Traderlink al restyling della sezione Trading System del software Visual Trader. Nello stesso anno ha sviluppato il software “Gandalf”, per la ricerca di inefficienze statistiche sulle serie storiche dei prezzi di azioni, future, valute ed ETF. Nel 2012 ha ideato e fondato il progetto “G.A.N.D.A.L.F.” (www.gandalfproject.com) all’interno del quale guida il gruppo di ricerca e sviluppo, specializzato nell’applicazione dell’Intelligenza Artificiale al mondo della Finanza Quantitativa.
La sua principale attività è quella di trader e progettista di trading system, materia sulla quale tiene corsi di formazione, coaching e consulenze a privati ed aziende.
Dal 2016 è Socio Ordinario Professional e da luglio 2020 Presidente del Comitato Scientifico di S.I.A.T. (la branca italiana dell’I.F.T.A.). Dal 2018 è stato uno degli organizzatori ed uno dei docenti del nuovo Modulo Data Science del Master SIAT (organizzato da SIAT valido per la certificazione IFTA). A ottobre 2019 è stato eletto all’interno del Board of Directors di IFTA, dove è attualmente al suo secondo mandato.
Relatore sin dalle prime edizioni all’Investment and Trading Forum di Rimini e al TOL Expo di Borsa Italiana, collabora in progetti di formazione con banche, broker e società di IT (Traderlink, Tradestation).
Nel 2017 è stato relatore al Convegno IFTA “Sailing to the future”, a Milano e nel 2022 al Convegno IFTA “Maximising Opportunity in an Uncertain World” a Melbourne. 
È possibile leggere i suoi articoli anche su “Milano Finanza”, sulla rivista “Traders” e sulla rivista internazionale “Technical Analysis of Stocks & Commodities”. Ad aprile 2020 ha pubblicato con Hoepli il suo ultimo libro “Strategie di trading con Python”.
Attualmente è Founder e Chief Investment Officer in Rocket Capital Investment, una fintech company e un hedge fund, basato a Singapore, che applica un modello decentralizzato e distribuito di asset management, basato su AI e Blockchain.

PROGRAMMA DETTAGLIATO

MODULO 1: IL LINGUAGGIO PYTHON – PARTE 1 [WEEK 1]

Numeri Operatori Variabili 
Stringhe e Stringhe come Liste
Liste – Cicli – Istruzioni Condizionali
Dizionari
Insiemi (Set)
Tuple
Input Output su File, Parsing delle date
Generazione di numeri casuali (Modulo Random)

MODULO 1: IL LINGUAGGIO PYTHON – PARTE 2 [WEEK 2]

Paradigma Funzionale: Funzioni e Lambda
Paradigma Orientato agli Oggetti: Object Oriented Programming
Paradigma Funzionale vs Paradigma ad Oggetti: logica “sfumata”
La gestione delle eccezioni

MODULO 2: LE LIBRERIE – PARTE 1 [WEEK 3]

Moduli e Librerie
Moduli OS SYS SHUTIL e GLOB
Modulo MATH
Modulo NUMPY
Modulo PANDAS – Prima Parte
Modulo PANDAS – Seconda Parte
Modulo PANDAS – Terza Parte

MODULO 2: LE LIBRERIE GRAFICHE – PARTE 2 [WEEK 4]

Modulo MATPLOTLIB – Prima Parte
Modulo MATPLOTLIB – Seconda Parte
Modulo PANDAS Grafica
Modulo PLOTLY & CUFFLINKS
Modulo SEABORN

MODULO 3: ANALISI DEI DATI – PARTE 1 [WEEK 5]

Strumenti Avanzati di Lavoro: Normalizzazione e Logica Fuzzy
Caricamento dati: QUANDL
Inefficienze alla Williams (Open-Low o High-Open)
Analisi Dati e Natura Trend (su dati daily)
Analisi Dati e Natura Trend e Multi-periodicità (su dati intraday)
Analisi Daily: Correlazione ed effetto Memoria
Analisi Intraday: Correlazione ed effetto Memoria
Analisi Statistica dei Gap e sua interpretazione

MODULO 3: ANALISI DEI DATI – PARTE 2 [WEEK 6]

Stagionalità
Analisi Statistica del Bias Orario
Analisi Statistica del Bias Settimanale
Analisi Statistica del Bias Mensile
L’azione dei Volumi: Analisi Statistica dell’ Activity Factor
Aggiunta di rumore artificiale sulla serie singola
Aggiunta di rumore artificiale sulla serie multipla

MODULO 3.1: ADDENDUM ANALISI DEI DATI – SCREENERS

Primo prototipo di Screener Basic a singola candela
Screener Evoluto simmetrico a singola candela
Primo Screener Evoluto a due candele
Secondo Screener Evoluto a due candele
Esempio di Screener Evoluto a tre candele
Screener Evoluto Multi Asset a singola candela
Screener Evoluto Multi Asset a due candele
Screener Evoluto Multi Asset a tre candele
Screener Evoluto Multi Asset con conferma ad una candela
Screener Evoluto Multi Asset con conferma a due candele
Screener per identificazione di Pattern Complessi
Screener Multi Asset per identificazione di Pattern Complessi

MODULO 4: TRADING SYSTEM – PARTE 1 [WEEK 7]

Prototipo Trading System Daily
Prototipo Trading System Intraday
Concetti avanzati: Expectancy – Metriche – Plot Methods
Codice Multi Time Frame
Generazione Performance Report
Trading System: lo Stop Loss
Trading System: il Time Exit
Trading System: tipologie di ordini Market – Limit – Stop
Trading System: calcolo Costi Fissi – nuovo Performance Report ed EOD Exit

MODULO 4: TRADING SYSTEM – PARTE 2 [WEEK 8]

Trading System: Bidirezionalità
Validazione: esempio Daily
Validazione: esempio Intraday
Validazione: In Sample ed Out of Sample Multipli
Validazione su serie con aggiunta di Rumore
Validazione multilivello GSA (Gandalf Segmented Architecture)
Ottimizzazione Singolo Parametro
Ottimizzazione Parametro Multiplo con Architettura 3D

MODULO 4.1: ADDENDUM TRADING SYSTEM – MOTORE PANDAS

Progettazione di un nuovo motore in Pandas
Nuovo Motore Pandas: Ordini Stop & Limit
Nuovo Motore Pandas: Applicazione sui Future
Validazione Tradizionale su serie a 15 minuti
Validazione Tradizionale su serie a 60 minuti
Validazione GSA (Gandalf Segmented Architecture)

MODULO 4.2: ADDENDUM TRADING SYSTEM – MOTORE NUMBA

Libreria di Funzioni
Nuovo Motore Numba: Enter Rules & Exit Rules
Nuovo Motore Numba: Time Exit
Nuovo Motore Numba: Stop Level & Target Level
Nuovo Motore Numba: If Loss & If Gain
Nuovo Motore Numba: Monetary Stoploss & Target
Nuovo Motore Numba: Max Intraday Operations
Nuovo Motore Numba: MAE – MFE – Duration
Nuovo Motore Numba: Architettura Definitiva
Validazione Tradizionale
Validazione GSA (Gandalf Segmented Architecture)

MODULO 5: ANALISI DELL’EQUITY LINE (EQUITY CONTROL 2.0) – PARTE 1 [WEEK 9]

Equity Export – Performance Report
Indicatori Evoluti di Performance
Analisi Statistica della Trade Dependency
L’impatto dei Costi Fissi (Commissioni & Slippage Round Turn)
L’aggiunta di Rumore
Analisi Montecarlo di Secondo Livello
Equity Control: Architettura MA
Equity Control: Architettura MA – Slope
Equity Control: Controllo Metriche Storiche

MODULO 5: ANALISI DELL’EQUITY LINE (EQUITY CONTROL 2.0) – PARTE 2 [WEEK 10]

Equity Control: Architettura WPF
Equity Control: Architettura WAT
Equity Control: Architettura WNP
Equity Control: Architettura WPP
Equity Control: Multi-Control WAT_WPF
Equity Control: Multi-Control WAT_WPP
Equity Control: Architettura DBP
Equity Control: Architettura ADBP
Equity Control: Multi-Control WPF_WAT_ADBP
Equity Control: Architettura ADD
Equity Control: Multi-Control WPF_WAT_ADBP_ADD
Equity Control Benchmark
Synthetic Operation Equity Generation

MODULO 6: PORTAFOGLI – PARTE 1 [WEEK 11]

Architettura Generale
Criteri di Composizione di Portafoglio
Aggregazione di Portafoglio
Aggregazione e Analisi di Correlazione di Portafoglio
Analisi di Portafoglio: i Costi Fissi
Analisi di Portafoglio: il Noise Addiction
Analisi di Portafoglio: il Cambio Automatico di Valuta
Analisi di Portafoglio: Portafoglio di Curve Controllate
Analisi di Portafoglio: Intero Portafoglio Controllato
Analisi di Portafoglio: Portafoglio Controllato di Curve Controllate
Montecarlo Analysis di Portafoglio

MODULO 6: PORTAFOGLI – PARTE 2 [WEEK 12]

Portafoglio Rotazionale di Trading System: Ranking Periodico
Portafoglio Rotazionale di Trading System: Ranking Settimanale Dinamico
Portafoglio Rotazionale di Trading System: Ranking Mensile Statico
Portafoglio Rotazionale di Trading System: Ranking Mensile Dinamico
Portafoglio Rotazionale di Trading System: Soglia Statica
Portafoglio Rotazionale di Trading System: Funzioni di Fitness Multiple
Portafoglio Rotazionale di Trading System: Portafoglio Risultante Controllato
Portafoglio Rotazionale di Trading System: Portafoglio di Curve Controllate
Portafoglio Rotazionale di Trading System: Portafoglio Controllato di Curve Controllate
Portafoglio Rotazionale di Trading System: Performance Report Integrale
Portafogli Rotazionali di Strumenti Finanziari

PROVA FINALE

Hai già seguito la Python Academy? Prosegui il percorso sul Machine Learning e Algoritmi Genetici: